Feb, 2015

超越像素：从底层到语义图像分割和共分割的综合调查

HTML
PDF
TL;DR本篇论文介绍了计算机视觉中图像分割的研究进展及方法，概述了底层的分割方法和最近发展的超像素、交互式方法、对象提案、语义图像解析和图像共分割，并对现有的数据集和评价指标进行了评估和总结，最后提出了面向未来研究的设计方向和研究方向。
发现论文，激发创造
  • 语义分割调研

    该研究综述了像素级语义分割的不同技术，讨论了分割算法的评估指标和数据集，包括非监督方法、决策森林和支持向量机等传统方法，介绍了基于卷积神经网络的最近出版的方法，并讨论了分割算法的典型问题。此外给出了分割算法的分类。

    Feb, 2016

  • 基于区域的语义分割与端到端训练

    本文提出一种新的语义分割方法，该方法基于区域分类方法和全卷积方法相结合，能够实现端到端的培训。与目前现有的算法相比，该方法在语义分类的平均准确性方面提高了成绩，在SIFT Flow和PASCAL Context上达到了64.0%和49.9%的成绩，并且在物体边界方面特别准确。

    Jul, 2016

  • 利用深度学习进行图像分割：综述

    本文综述了关于图像分割的研究，特别关注了基于深度学习模型的语义分割和实例分割方法，包括全卷积像素标定网络、编码器-解码器架构、多尺度与基于金字塔的方法、循环神经网络、视觉注意力模型和对抗生成模型。我们探讨了这些深度学习模型的相似性，能力和挑战，并讨论了未来的研究方向。

    Jan, 2020

  • K-Net：面向统一图像分割

    本文提出了一种名为K-Net的统一、简单、有效的框架，通过一组可学习的内核一致地分割实例和语义类别

    Jun, 2021

  • 语义图像分割的无监督域自适应：综述

    本文是关于无监督领域适应在语义分割中应用的综述，概括了包括多领域学习、域泛化、测试时适应、无源领域适应在内的最新趋势，并介绍了语义分割的最重要的方法、广泛使用的数据集和基准。

    Dec, 2021

  • 语义图像分割：二十年的研究

    本调查总结了涵盖二十年的SiS研究，并提出了文献综述以及使用转换器的深度学习方法的最新趋势, 并强调了DASiS技术的影响，其中包括多域学习，域泛化和在对新环境进行分割时削减域。项目还介绍了几个与语义图像分割相关的任务和应用，如医学图像分割。

    Feb, 2023

  • 深度语义分割的三重审视：注重效率、时间性和深度感知的设计

    本文针对自主行驶场景下的语义分割问题进行了调研，从模型开发、RGB-D数据集集成、时域信息模型三个方面讨论了目前最相关和最新的深度学习方法，旨在为读者提供关于这一激动人心和具有挑战性的研究领域的最新进展。

    Mar, 2023

  • 语义比例下的语义分割

    提出了一种新的语义分割方法，只需要语义类别比例的大致信息，大大简化了数据标注过程，可行性更强，并取得了可比甚至更好的性能表现，为未来的语义分割研究提供了一个有前途的方向。

    May, 2023

  • 基础模型时代的图像分割：综述

    本研究针对图像分割领域的现有研究不足之处，系统回顾了基础模型驱动的图像分割的最新进展与挑战。通过分析通用图像分割与可提示图像分割的研究，并深入探讨基础模型如CLIP和Stable Diffusion在图像分割中的应用，该综述为未来的研究方向提供了宝贵的见解和参考。研究结果显示，基础模型不仅显著提升了分割性能，还可开启深度学习中前所未有的分割能力。

    Aug, 2024

  • 超像素分割的综合评审与新分类法

    本研究针对超像素分割领域文献的滞后问题，提供了一次全面的评审并采用新的分类法。通过对20种策略进行评估，研究揭示了各方法在像素聚类中的趋势及其权衡，并建立了一个新的超像素评估基准，推动了该领域的进一步发展。

    Sep, 2024